代谢分析和机器学习应用程序用于在老鼠模型中辨别致命的低温症
Ruijuan Li1, Ribin Xu1, Yong Liu1
1Department of Forensic Medicine, Tongji Medical College, Huazhong University of Science and Technology, No. 13 Hangkong Road, Wuhan, 430030, China.
Journal of forensic and legal medicine
|February 21, 2026
概括
法医科学家现在可以更好地使用代谢分析和机器学习来区分致命的低温死亡. 这项研究确定了关键的代谢生物标志物,以确定低温死亡的死亡原因.
科学领域:
- 法医科学 法医科学 法医科学
- 代谢学 代谢学 代谢学
- 计算生物学 计算生物学
背景情况:
- 在致命的低温病例中区分死亡原因在法医实践中存在挑战.
- 在这种情况下,新陈代谢分析为客观确定死亡提供了一个潜在的途径.
研究的目的:
- 应用非向的代谢分析和机器学习算法来区分致命的低温症与其他疾病.
- 确定可靠的代谢生物标志物,以确定与低温暴露相关的死亡.
主要方法:
- 超高性能液态染色体协同质谱法 (UPLC-MS/MS) 用于未针对性地对大鼠皮肌肉样本进行代谢分析.
- 用6个机器学习算法 (KNN,DT,SVM,RF,LR,GNB) 来构建预测模型.
- 模型被选,通过交叉验证和参数调整进行优化,并对预测性能进行评估.
主要成果:
- 在低温,低氧和对照组之间观察到代谢物概况的显著差异.
- 机器学习模型在将低温与对照组和缺氧组区分开来方面表现良好.
- 后勤回归,SVM,KNN和GNB在比较低温和缺氧组时显示出优异的预测能力.
结论:
- 开发的机器学习模型显示出在低温相关死亡的法医调查中实际应用的前景.
- 确定了关键的代谢生物标志物和途径,表明了潜在的mRNA和蛋白质水平相关性.
- 这项研究为客观确定低温死亡事故中的死亡提供了新的见解.
